Dos personas, el mismo pan, dos glucemias distintas
Ochocientos adultos. Cuarenta y seis mil comidas. Monitores continuos de glucosa. El resultado desmontó la idea de que un alimento tiene un efecto y explicó por qué las dietas que funcionan a tu amigo no te funcionan a ti.
Durante décadas, la nutrición funcionó con una tabla. Cada alimento tenía un índice glucémico, ese índice era una propiedad del alimento, y la recomendación se seguía de ahí: este pan sube la glucosa, aquella fruta la sube menos, organiza tu plato en consecuencia.
En 2015 un grupo del Instituto Weizmann publicó en Cell un estudio que puso esa lógica del revés.
El diseño
El Personalized Nutrition Project puso monitores continuos de glucosa a 800 adultos sin diabetes y registró lo que comieron durante una semana: alimentación, ejercicio y sueño anotados. En total, 46 898 comidas. Además de las comidas libres, todos los participantes tomaron algunas comidas estandarizadas idénticas.
El hallazgo
Las respuestas glucémicas posprandiales —lo que le pasa a tu glucosa después de comer— resultaron muy variables entre individuos, incluso cuando comían exactamente la misma comida estandarizada.
Léelo otra vez, porque es la frase que importa: la misma comida, en dos personas, produce dos curvas distintas. No parecidas con ruido. Distintas.
Eso significa que el índice glucémico no es una propiedad del alimento. Es una propiedad de la relación entre un alimento y una persona concreta. Y una tabla no puede contener eso, por definición.
El índice glucémico no describe un alimento. Describe un encuentro.
La segunda parte, que es la que se olvida
El estudio no se quedó en la observación. Los autores construyeron un algoritmo que integraba datos clínicos y del microbioma intestinal, y con él predijeron las respuestas glucémicas personalizadas a comidas reales y complejas. La predicción se validó además en una cohorte recogida de forma independiente.
Y después hicieron lo que de verdad cierra el círculo: diseñaron intervenciones dietéticas personalizadas basadas en ese algoritmo. Esas intervenciones produjeron respuestas glucémicas más bajas, acompañadas de cambios consistentes en la microbiota intestinal.
Es decir, no sólo «cada persona responde distinto» —lo cual sería interesante pero inútil—. También: esa diferencia se puede predecir, y prediciéndola se puede intervenir mejor.
Qué se sigue de esto para un plan de nutrición
Se sigue una cosa muy concreta y bastante incómoda para la industria de las dietas: un plan que no incorpora datos tuyos está adivinando. Puede adivinar bien —muchas recomendaciones generales son razonables— pero no deja de ser una apuesta sobre una media poblacional en la que tú puedes no estar.
- Quitar un alimento «porque sube la glucosa» presupone que la sube en ti, lo que este estudio muestra que no se puede presuponer.
- Dos personas con el mismo peso, la misma edad y el mismo objetivo pueden necesitar planes distintos por razones que sólo se ven midiendo.
- El microbioma entra en la ecuación: fue una de las variables con las que el algoritmo mejoró su predicción.
- Y la conclusión operativa: la secuencia correcta es medir, después predecir, después indicar. No al revés.
Y lo que el estudio no dice
No dice que bajar el pico de glucosa después de comer sea, por sí mismo, el objetivo de una vida sana. Es un marcador intermedio: se movió, y se movió en la dirección esperada, con una intervención predicha. Cuánto de eso se traduce en menos enfermedad a veinte años es otra pregunta, con otra evidencia y otros plazos.
Pero como argumento contra la dieta de plantilla, es difícil de rebatir. Y es exactamente por esto que en PROFIT7 el plan de nutrición no existe antes de la Evaluación de Precisión: no habría con qué construirlo.
Dónde está la evidencia
Lo que la evidencia sostiene
- Que las respuestas glucémicas posprandiales son muy variables entre personas, incluso ante comidas estandarizadas idénticas.
- Que el estudio se hizo con 800 adultos sin diabetes y 46 898 comidas registradas con monitorización continua de glucosa.
- Que un algoritmo que integra datos clínicos y del microbioma predijo esas respuestas personalizadas, y que la predicción se validó en una cohorte independiente.
- Que las intervenciones dietéticas personalizadas basadas en ese algoritmo produjeron respuestas glucémicas más bajas, con cambios consistentes en la microbiota.
Lo que todavía no
- La respuesta glucémica posprandial es un marcador intermedio: reducirla no equivale, por sí solo, a menos enfermedad a largo plazo.
- El seguimiento fue de una semana; no informa sobre adherencia ni sobre efectos sostenidos en el tiempo.
- Los algoritmos de predicción son específicos de las cohortes con las que se entrenan y no son intercambiables entre poblaciones.
- No convierte la monitorización continua de glucosa en necesaria para toda persona que quiera comer mejor.
Fuentes
- Zeevi et al. — Personalized Nutrition by Prediction of Glycemic Responses El estudio original en Cell (2015), texto completo.
- Personalized Nutrition by Prediction of Glycemic Responses — PDF Versión en PDF alojada por el propio grupo de investigación.
- Microbiome-based approaches to personalized nutrition: from gut health to disease prevention Revisión posterior que sitúa este trabajo como punto de inflexión del campo.
Este artículo es material divulgativo. No sustituye una valoración médica y ninguna de sus afirmaciones debe leerse como indicación de un tratamiento.
Tus datos, no un promedio.
Todo lo que se explica aquí sólo significa algo aplicado a una persona concreta. Ese es el punto de partida.
Conocer la Evaluación de Precisión
